HOME > Detail View

Detail View

머신 러닝을 활용한 컴퓨터 보안 (Loan 10 times)

Material type
단행본
Personal Author
Chio, Clarence Freeman, David, 저 김창엽, 역 강병호, 역 양지수, 역
Title Statement
머신 러닝을 활용한 컴퓨터 보안 / 클라렌스 치오, 데이비드 프리먼 지음 ; 김창엽, 강병호, 양지수 옮김
Publication, Distribution, etc
서울 :   에이콘,   2019  
Physical Medium
482 p. : 삽화 ; 24 cm
Series Statement
에이콘 해킹ㆍ보안 시리즈.
Varied Title
Machine learning and security : protecting systems with data and algorithms
ISBN
9791161752495 9788960771048 (Set)
General Note
부록: A. 2장 보충 자료, B. 오픈소스 인텔리전스 통합  
색인수록  
Subject Added Entry-Topical Term
Machine learning Computer security
000 00000cam c2200205 c 4500
001 000045969576
005 20190131100206
007 ta
008 190130s2019 ulka 001c kor
020 ▼a 9791161752495 ▼g 94000
020 1 ▼a 9788960771048 (Set)
035 ▼a (KERIS)BIB000015006861
040 ▼a 224010 ▼c 224010 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.3/1 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2019z1
100 1 ▼a Chio, Clarence
245 1 0 ▼a 머신 러닝을 활용한 컴퓨터 보안 / ▼d 클라렌스 치오, ▼e 데이비드 프리먼 지음 ; ▼e 김창엽, ▼e 강병호, ▼e 양지수 옮김
246 1 9 ▼a Machine learning and security : ▼b protecting systems with data and algorithms
260 ▼a 서울 : ▼b 에이콘, ▼c 2019
300 ▼a 482 p. : ▼b 삽화 ; ▼c 24 cm
440 0 0 ▼a 에이콘 해킹ㆍ보안 시리즈.
500 ▼a 부록: A. 2장 보충 자료, B. 오픈소스 인텔리전스 통합
500 ▼a 색인수록
650 0 ▼a Machine learning
650 0 ▼a Computer security
700 1 ▼a Freeman, David, ▼e
700 1 ▼a 김창엽, ▼e
700 1 ▼a 강병호, ▼e
700 1 ▼a 양지수, ▼e
900 1 0 ▼a 치오, 클라렌스, ▼e
900 1 0 ▼a 프리먼, 데이비드, ▼e
945 ▼a KLPA

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info/ Call Number 006.31 2019z1 Accession No. 121247717 Availability Course Reserve Due Date Make a Reservation Service M
No. 2 Location Sejong Academic Information Center/Science & Technology/ Call Number 006.31 2019z1 Accession No. 151349842 Availability Available Due Date Make a Reservation Service C
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info/ Call Number 006.31 2019z1 Accession No. 121247717 Availability Course Reserve Due Date Make a Reservation Service M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Sejong Academic Information Center/Science & Technology/ Call Number 006.31 2019z1 Accession No. 151349842 Availability Available Due Date Make a Reservation Service C

Contents information

Book Introduction

컴퓨터 보안 문제를 해결하기 위해 활용할 수 있는 여러 머신 러닝 기술을 다루고 있는 실무 지침서다. 침입 탐지, 악성 코드 분류, 네트워크 분석 컴퓨터 보안 분야에서 계속 연구되고 있는 분야에 대해 소개하며, 최신 연구 주제인 머신 러닝 모델을 공격하기 위한 방법에 대한 연구도 소개한다. 컴퓨터 보안 분야에 종사하는 실무자나 관심이 많은 분들이 머신 러닝을 활용하는 데에 큰 도움이 될 것이다.

★ 이 책에서 다루는 내용 ★

■ 침입, 사기, 임박한 시스템 장애 등의 비정상을 신속하게 탐지
■ 컴퓨터 바이너리에서 유용한 정보를 추출해 악성코드 분석 수행
■ 데이터셋 내에서 패턴을 찾아 네트워크 공격자 차단
■ 공격자가 사용자 대상 웹 사이트와 앱 기능을 어떻게 악용하는지 조사
■ 머신 러닝 알고리즘을 실험 환경에서 실무 환경으로 변환
■ 공격자가 머신 러닝 솔루션에 가하는 위협 이해

★ 이 책의 대상 독자 ★

보안 분야에서 시스템을 개선하기 위해 머신 러닝을 사용하거나, 머신 러닝 분야에서 보안 분야를 다루기 위해 도구를 사용하려고 한다면, 이 책이 적합하다.
이 책은 통계에 대한 기본적인 지식을 보유하고 있다고 가정하고 서술한다. 복잡한 수학을 다루는 대부분의 내용은 읽지 않아도 내용을 이해하는 데에 문제가 없다. 또한 프로그래밍 언어에 익숙하다고 가정한다. 이 책에서 다루는 내용은 개념적인 내용을 구현하기 위해 파이썬 코드를 사용한다. 물론 오픈소스 라이브러리를 활용해 자바, 스칼라(Scala), C++, 루비(Ruby) 등 다른 언어로도 동일한 개념을 구현할 수 있다.

★ 이 책의 구성 ★

이 책에서는 보안 영역 중에서도 침입 탐지, 악성코드 분류, 네트워크 분석과 같은 문제에 대한 규칙 기반 또는 경험적 솔루션을 보완하거나 대체하기 위해 머신 러닝을 적용하는 방법을 예를 들어 설명한다. 핵심적인 머신 러닝 알고리즘 기법을 살펴보고 보안 영역에서 유지 보수 가능하고 안정적이면서 확장성이 우수한 데이터 마이닝 시스템을 구축하는 데 주안점을 둔다. 예제 코드를 통해 실습하고 보안 문제가 있는 환경에서 데이터를 다루는 방법과 노이즈에 섞여 놓칠 수도 있는 중요한 신호를 식별해내는 방법도 함께 다룬다.


Information Provided By: : Aladin

Author Introduction

데이비드 프리먼(지은이)

스팸과 악용 문제를 연구하는 페이스북의 연구 과학자/기술자다. 이전에는 링크드인(LinkedIn)에서 악용 방지 기술과 데이터 과학 팀을 이끌었으며, 거기서 사기와 악용 탐지를 위한 통계 모델을 구축했고, 링크드인에서 더 큰 규모의 머신 러닝 커뮤니티와 협력해 확장 가능한 모델링과 스코어링 인프라를 구축했다. NDSS, WWW, AISec 등 머신 러닝과 보안에 대한 국제 콘퍼런스의 저자, 발표자, 주최자로 컴퓨터 보안의 수학적, 통계적 측면에 관한 20개 이상의 학술 논문을 저술했다. UC 버클리에서 수학 박사 학위를 받았고, CWI와 스탠포드대학교에서 암호학과 보안 분야에서 박사 후 연구를 했다.

클라렌스 치오(지은이)

데프콘(DEFCON)과 12개국 이상의 기타 보안/소프트웨어 엔지니어링 회의와 모임에서 머신 러닝과 보안 분야에 대한 발표, 워크숍, 교육 과정을 진행한 엔지니어이자 기업가다. 과거 셰이프 시큐리티(Shape Security)의 보안 연구 팀원, 인텔의 커뮤니티 스피커, 오라클의 보안 컨설턴트를 역임했다. 보안 데이터 과학에 대해 소수의 스타트업에 조언하고 있으며, 샌프란시스코만 지역에서 가장 큰 보안 데이터 과학자 모임인 사이버 보안을 위한 데이터 마이닝 모임의 창립자이자 주최자다. 데이터 마이닝과 인공지능 전공으로 스탠포드대학교의 컴퓨터 과학 학사 및 석사 학위를 취득했다.

김창엽(옮긴이)

고려대학교 산업경영공학과 데이터사이언스 & 비즈니스 어낼리틱스(DSBA) 연구실에서 박사 과정을 수료했다. 현재 KT 융합기술원 인프라 연구소에서 머신러닝을 활용한 네트워크 분야 이상 탐지에 대해 연구하고 있다. 그 전에는 안랩에서 9년 동안 근무하며 악성코드 대응 및 침해사고 분석 업무를 수행했다. 번역서로는 에이콘출판사에서 출간한 『예제로 배우는 자연어 처리 기초』(2020), 『머신 러닝을 활용한 컴퓨터 보안』(2019), 『딥러닝 데이터 전처리 입문』(2018), 『케라스로 구현하는 딥러닝과 강화학습』(2017), 『텐서플로 입문』(2016) 등이 있다.

강병호(옮긴이)

한양대학교 공과대학 컴퓨터 공학부 및 동 대학원 컴퓨터 소프트웨어학과를 졸업했다. 안랩과 한국전자통신연구원(ETRI)에서 머신 러닝 기반 보안 기술을 연구했고, 현재는 SK텔레콤에서 머신 러닝 기술을 연구하고 있다.

양지수(옮긴이)

한양대학교 컴퓨터 공학을 전공했고 동 대학원에서 소프트웨어 및 네트워크 보안으로 석사 학위를 받았다. 안랩에서 악성코드 및 네트워크 패킷 분석 업무를 수행했고 빅데이터와 머신 러닝을 연구했다. 현재는 국방과학연구소(ADD)에 재직 중이다.

Information Provided By: : Aladin

Table of Contents

1장. 왜 머신 러닝과 보안인가? 
__사이버 위협 살펴보기 
__사이버 공격의 경제학 
____해킹 기술 시장 
____간접적인 이익 창출 
____결과 
__머신 러닝은 무엇인가? 
____머신 러닝으로는 할 수 없는 것 
____머신 러닝을 사용하는 공격자 
__실생활에서 사용하는 보안 분야에서의 머신 러닝 적용 사례 
__스팸 메일 탐지: 반복 접근법 
__보안 분야에서 사용하는 머신 러닝의 한계 

2장. 분류와 군집화 
__머신 러닝: 문제와 접근법 
__머신 러닝 적용: 실사례 
__훈련 알고리즘 배우기 
____모델 패밀리 
____손실 함수 
____최적화 
__지도 학습 분류 알고리즘 
____로지스틱 회귀 
____의사결정 트리 
____의사결정 포레스트 
____서포트 벡터 머신 
____나이브 베이즈 
____k-최근접 이웃 알고리즘 
____신경망 
__실상황에서 분류 문제를 풀 때 고려해야 할 사항 
____모델 패밀리 선택 
____훈련 데이터 구성 
____속성 선택 
____과적합과 과소적합 
____임계치의 선택과 모델 간의 비교 
__군집화 
____군집화 알고리즘 
____군집화 결과 평가 
__결론 

3장. 비정상 탐지 
__지도 학습 대신에 비정상 탐지를 사용해야 하는 경우 
__휴리스틱을 사용한 침입 탐지 
__데이터 기반 방법 
__비정상 탐지를 위한 속성 공학 
____호스트 침입 탐지 
____네트워크 침입 탐지 
____웹 애플리케이션 침입 탐지 
____요약 
__데이터 및 알고리즘을 이용한 비정상 탐지 
____예측(지도 학습 기반 머신 러닝) 
____통계적 메트릭 
____적합도 
____비지도 머신 러닝 알고리즘 
____밀도 기반 기법 
____요약 
__비정상 탐지에서 머신 러닝을 사용하는 데 따른 어려움 
__대응 및 완화 
__실용적인 시스템 설계 문제 
____설명 가능성 확보 
____비정상 탐지 시스템의 유지 보수 가능성 
____인간의 피드백 통합 
____적대 효과 감소 
__결론 

4장. 악성코드 분석 
__악성코드 이해 
____악성코드 분류 정의 
____악성코드의 이면 
__속성 생성 
____데이터 수집 
____속성 생성 
____속성 선택 
__속성에서 분석까지 
____악성코드 샘플 및 레이블을 얻는 방법 
__결론 

5장. 네트워크 트래픽 분석 
__네트워크 방어 이론 
____접근 제어와 인증 
____침입 탐지 
____네트워크 내의 공격자 탐지 
____데이터 중심 보안 
____허니팟 
____요약 
__머신 러닝과 네트워크 보안 
____캡처에서 속성 추출 
____네트워크 위협 
____봇넷 
__네트워크 공격을 분류하기 위한 예측 모델 구축 
____데이터 탐색 
____데이터 준비 
____분류 
____지도 학습 
____준지도 학습 
____비지도 학습 
____고급 앙상블 
__결론 

6장. 소비자 웹 보호 
__소비자 웹으로 수익 창출 
__악용 유형 및 데이터를 활용한 방어 
____인증과 계정 탈취 
____계정 생성 
____금융사기 
____봇 활동 
__악용 문제에 대한 지도 학습 
____데이터 레이블링 
____콜드 스타트와 웜 스타트 
____거짓 양성과 거짓 음성 
____다중 응답 
____대규모 공격 
__악용 군집화 
____예제: 스팸 도메인 군집화 
____클러스터 생성 
____클러스터 평가 
__군집화의 추가 지침 
__결론 

7장. 운영 시스템 
__머신 러닝 시스템의 완성도와 확장성 정의 
____보안 머신 러닝 시스템에서 중요한 것은 무엇일까? 
__데이터 품질 
____문제점: 데이터셋의 편향 
____문제점: 레이블의 부정확성 
____해결책: 데이터 품질 
____문제점: 누락된 데이터 
____해결책: 누락된 데이터 
__모델 품질 
____문제점: 하이퍼파라미터 최적화 
____해결책: 하이퍼파라미터 최적화 
____속성: 피드백 루프, A/B 모델 테스트 
____속성: 재현 가능하고 설명 가능한 결과 
__성능 
____목표: 낮은 대기 시간과 높은 확장성 
____성능 최적화 
____분산 컴퓨팅 프레임워크를 사용한 수평 확장 
____클라우드 서비스 사용 
__유지 보수, 관리 
____문제점:모델 저장 및 버전 관리,배포 
____목표: 안정적인 성능 저하 
____목표: 손쉬운 설정 변경 
__모니터링 및 경고 
__보안과 신뢰성 
____속성: 공격에 대한 방어 
____속성: 개인 정보 보호 및 보장 
__피드백과 사용성 
__결론 

8장. 적대적 머신 러닝 
__용어 
__적대적 ML의 중요성 
__머신 러닝 알고리즘의 보안 취약점 
____공격 전이성 
__공격 기술: 모델 포이즈닝 
____예제: 이진 분류기 포이즈닝 공격 
____공격자의 지식 
____포이즈닝 공격 방어 
__공격 기술: 회피 공격 
____예제: 이진 분류기 회피 공격 
____회피 공격에 대한 방어 
__결론 

부록 A. 2장 보충 자료 

부록 B. 오픈소스 인텔리전스 통합

New Arrivals Books in Related Fields

National Academies of Sciences, Engineering, and Medicine (U.S.) (2020)
Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)